计算python中非线性曲线拟合的确定系数(R2)和均方根误差(RMSE)

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了计算python中非线性曲线拟合的确定系数(R2)和均方根误差(RMSE)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含860字，纯文字阅读大概需要2分钟。

内容图文

如何计算python中非线性曲线拟合的确定系数(R2)和均方根误差(RMSE).以下代码执行直到曲线拟合.那么如何计算R2和RMSE？

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

def func(x, a, b, c):
    return a * np.exp(-b * x) + c

x = np.linspace(0,4,50)
y = func(x, 2.5, 1.3, 0.5)
yn = y + 0.2*np.random.normal(size=len(x))

popt, pcov = curve_fit(func, x, yn)

plt.figure()
plt.plot(x, yn, 'ko', label="Original Noised Data")
plt.plot(x, func(x, *popt), 'r-', label="Fitted Curve")
plt.legend()
plt.show()

解决方法:

你可以这样做：

print "Mean Squared Error: ", np.mean((y-func(x, *popt))**2)

ss_res = np.dot((yn - func(x, *popt)),(yn - func(x, *popt)))
ymean = np.mean(yn)
ss_tot = np.dot((yn-ymean),(yn-ymean))
print "Mean R :",  1-ss_res/ss_tot

这是直接获取定义,例如在维基百科中：
http://en.wikipedia.org/wiki/Coefficient_of_determination#Definitions

内容总结

以上是互联网集市为您收集整理的计算python中非线性曲线拟合的确定系数(R2)和均方根误差(RMSE)全部内容，希望文章能够帮你解决计算python中非线性曲线拟合的确定系数(R2)和均方根误差(RMSE)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端